基于深度学习的糖尿病视网膜分类研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题来源 | 第10页 |
| 1.2 研究背景及意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 论文主要研究内容 | 第13-14页 |
| 第2章 深度学习理论与实验基础 | 第14-29页 |
| 2.1 神经网络与卷积神经网络 | 第14-20页 |
| 2.1.1 神经网络及其局限性 | 第14-17页 |
| 2.1.2 卷积神经网络的优势与应用 | 第17-20页 |
| 2.2 深度神经网络DNN | 第20-22页 |
| 2.2.1 深度神经网络的发展 | 第20-21页 |
| 2.2.2 深度学习在医学领域的应用 | 第21-22页 |
| 2.3 深度学习实验平台搭建 | 第22-28页 |
| 2.3.1 GTX1070Ti显卡驱动安装 | 第22-23页 |
| 2.3.2 CUDA8.0安装与测试 | 第23-24页 |
| 2.3.3 cuDNN加速库安装与测试 | 第24-25页 |
| 2.3.4 Anaconda2函数库 | 第25-26页 |
| 2.3.5 OpenCV3.2安装与配置 | 第26-27页 |
| 2.3.6 Theano框架安装与配置 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 糖尿病视网膜图像预处理 | 第29-37页 |
| 3.1 眼底成像及病变分析 | 第29-31页 |
| 3.1.1 眼底照相机成像 | 第29页 |
| 3.1.2 糖尿病视网膜病变分级分析 | 第29-31页 |
| 3.2 基于数字图像算法的视网膜图像处理方法 | 第31-36页 |
| 3.2.1 视网膜图像数据集的获取 | 第31-32页 |
| 3.2.2 色彩平衡度处理方法 | 第32-33页 |
| 3.2.3 去除黑色背景并缩放 | 第33-34页 |
| 3.2.4 图像扩充方案 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第4章 视网膜图像分类算法与仿真 | 第37-50页 |
| 4.1 深度学习库Lasagne | 第37-40页 |
| 4.1.1 激活函数选取 | 第37-38页 |
| 4.1.2 防止过拟合技术 | 第38-39页 |
| 4.1.3 Softmax层作用 | 第39-40页 |
| 4.2 二分类模型的应用 | 第40-41页 |
| 4.3 五分类模型的改进 | 第41-44页 |
| 4.3.1 随机池化层 | 第41-42页 |
| 4.3.2 五分类的改进方案 | 第42-44页 |
| 4.4 实验结果与分析 | 第44-49页 |
| 4.4.1 二分类评价标准 | 第44-45页 |
| 4.4.2 五分类评价标准 | 第45-47页 |
| 4.4.3 实验结果对比与分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 糖尿病视网膜分类模型应用 | 第50-57页 |
| 5.1 服务器端设计 | 第50-52页 |
| 5.1.1 BOA服务器搭建 | 第50-51页 |
| 5.1.2 CGI环境配置 | 第51-52页 |
| 5.2 HTML网页端设计 | 第52-54页 |
| 5.3 网页端测试结果 | 第54-56页 |
| 5.3.1 系统介绍测试 | 第54页 |
| 5.3.2 操作说明测试 | 第54-55页 |
| 5.3.3 上传文件测试 | 第55页 |
| 5.3.4 查看分类结果 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |
